CN113993067B - 一种空间约束下无人机辅助网络的干扰协调方法 - Google Patents

一种空间约束下无人机辅助网络的干扰协调方法 Download PDF

Info

Publication number
CN113993067B
CN113993067B CN202111102929.1A CN202111102929A CN113993067B CN 113993067 B CN113993067 B CN 113993067B CN 202111102929 A CN202111102929 A CN 202111102929A CN 113993067 B CN113993067 B CN 113993067B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
base station
macro base
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111102929.1A
Other languages
English (en)
Other versions
CN113993067A (zh
Inventor
张鸿涛
唐文斐
武丹阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202111102929.1A priority Critical patent/CN113993067B/zh
Publication of CN113993067A publication Critical patent/CN113993067A/zh
Application granted granted Critical
Publication of CN113993067B publication Critical patent/CN113993067B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

无人机凭借其大概率视距链路和快速部署能力，成为空天地一体化网络中实现热点分流重要网络单元。本发明实施提供了一种考虑无人机与宏基站空间约束的无人机辅助网络干扰协调方法，通过设定无人机与宏站的约束距离D确定小区中心区域与小区边缘区域.为避免跨层干扰，将无人机部署在小区边缘，并设计了三种服务模式：小区中心用户，由宏基站服务；小区边缘用户选择接收信号功率最强的无人机为其服务无人机，并判断其与宏站接收功率的比值γ′,若γ′大于给定阈值γ,则由无人机单独服务，若γ′小于给定阈值γ,则由宏站与无人机协同传输进行干扰管理。根据覆盖、容量性能，调整无人机高度、密度、约束半径、功率阈值等参数，最优化网络性能。

Description

一种空间约束下无人机辅助网络的干扰协调方法
技术领域
本发明涉及无线通信技术领域，特别涉及未来第五代移动通信(Beyond 5thGeneration，B5G)和第六代移动通信(6th Generation，6G)中，考虑空间约束下无人机辅助网络的干扰协调方法。
背景技术
未来B5G/6G网络在提供更多资源以匹配日益增长的高速率需求的同时，还将更广泛地拓展应用范围，实现无处不在的“泛在连接”。地面基站的部署往往周期长、成本高，使得现有地面基站部署方案并不适用于高动态业务场景：大容量补热场景(热点区域分流、全景视频直播等)和高覆盖补盲场景(救灾应急、治安反恐等)。面对业务多样化和差异化的巨大挑战，无人机(Unmanned Aerial Vehicle,UAV)基站凭借高动态、更大的视距概率和灵活部署特性，成为未来B5G/6G网络覆盖和容量增强的重要候选解决方案。
由于部署地理位置的限制，仅依靠现有的地面通信系统无法随时随地的提供高速率、高动态的无线接入服务，难以满足时空分布不平衡的补盲、补热业务场景需求。可以构建无人机辅助地面网络组网模型，提供高数据速率的地面网络一体化连接，实现超大覆盖和超高吞吐量，满足多样化场景和特殊场景的通信需求。
然而，无人机大概率视距链路在提升服务质量的同时，也引入强共信道干扰，在无人机辅助地面网络下，这一跨层干扰体现的更加明显。现有的无人机全区域均匀部署的方案，造成了资源的巨大浪费，同时难以解决无人机辅助网络下强跨层干扰的问题。针对无人机场景，学术界目前的研究局限于无人机分布服从二维或三维的均匀泊松点过程的场景，无人机在给定空间内自由分布。然而，现有研究均没有考虑无人机实际部署过程中部署间距和同频干扰的影响，即无人机分布在地面站同频干扰较弱的小区边缘，无法体现无人机分布存在的空间依赖特性。
为解决无人机辅助网络下强跨层干扰问题，需考虑无人机与宏基站的依赖性部署关系，即无人机部署在宏站的边缘区域。宏基站中心区域用户盖性能较好，无需无人机进行热点分流，无人机更需要部署在宏基站的边缘，进行用户分流，提升边缘用户的性能。
同时，无人机的大概率LOS链路和高动态移动能力也使得用户速率波动，小区更加不规则，干扰拓扑更加复杂，需要根据用户的位置分布及干扰拓扑特性，进行有效干扰管理，进一步保障无人机辅助网络的性能。
发明内容
本发明考虑空间约束下无人机辅助网络的干扰协调方法，为克服强跨层干扰，无人机部署在宏站边缘区域。用户根据空间约束大小及协作功率阈值，确定其服务的站点，实现有效的干扰协调。
本发明考虑空间约束下无人机辅助网络的干扰协调方法描述如下：
步骤200，根据网络中地面宏基站的位置分布，和设定的约束半径D,将网络划分为两个区域，即宏基站的中心区域和边缘区域，如图1所示。
宏基站的中心区域Ξin，定义为所有与宏基站距离小于等于约束半径D的位置的集合(如图1中灰色区域)，表示为
Figure BDA0003264017450000031
其中，上述式(1)中，ΨBS代表基站位置的集合，D是设定的约束半径。
网络中的其余位置定义为宏基站边缘区域Ξout(如图1中白色区域)，表示为
Figure BDA0003264017450000032
其中上述式(2)中，ΨBS代表宏基站位置的集合，D是设定的约束半径。
在基站中心区域Ξin，用户与宏基站距离较近，接收信号功率较强，覆盖性能可以得到保障。而在网络的边缘区域Ξout，用户距离服务宏基站距离较远，接收到的有用信号功率较弱，同时接收到的干扰信号相对较强，导致边缘用户信干噪比(signal-to-interference-plus-noise ratio，SINR)性能较差，产生用户速率波动。
步骤210，根据划定好的宏站中心区域Ξin与边缘区域Ξout，将无人机以给定的密度λu和高度h,部署在宏站边缘区域。无人机的三维空间位置满足
ΘUAV∈{(z,h):z∈Ξout} (3)
其中Ξout表示宏基站的边缘位置，h为无人机的部署高度。
步骤220，针对每个用户，计算邻近宏基站与UAV基站的RSRP信息。具体的，对于任意一个用户，其接收到的宏基站接收信号功率可以建模为
Figure BDA0003264017450000033
其中
Figure BDA0003264017450000034
为用户接收到的MBS i的接收功率，Pt,M为宏基站的发射功率，ri为用户与MBS i的距离，α为路径损耗指数。
用户接收到的无人机的接收信号功率可以建模为
Figure BDA0003264017450000041
其中，LOS表示无人机j与用户处于视距(Line-of-sight,LOS)链路连接，NLOS表示无人机j与用户处于非视距(Non-line-of-sight,NLOS)链路连接。Pt,UAV为无人机基站的发射功率，rj为用户与无人机j的水平方向距离，h为无人机的高度。ηLOS与αL为视距连接下附加路损因子与路径损耗指数，ηNLOS与αNL为非视距连接下附加路损因子与路径损耗指数。
用户根据接收到的邻近宏基站与无人机的RSRP,确定接收信号功率最强的站点为其潜在的服务宏基站kM与服务无人机站点kU，表示为
Figure BDA0003264017450000042
计算用户接收到的最强无人机的接收信号功率与最强宏基站的接收信号功率与的比值
Figure BDA0003264017450000043
步骤230，根据用户位置分布以及潜在服务无人机与宏基站接收信号功率比值γ′，确定用户的服务无人机，并选择有效的干扰协调方式。若用户位于宏基站的中心区域，则用户由宏基站提供服务；位于边缘区域的用户，若其最强无人机信号功率与最强宏基站功率比值γ′大于给定阈值γ，则由无人机进行服务；若用户位于边缘区域，而其最强无人机信号功率与最强宏基站功率比值γ′小于给定阈值γ，则由宏基站和无人机联合传输为用户提供服务。
确定用户的服务站点后，计算网络覆盖率指标。网络的覆盖率定义为用户接收到的信干噪比SINR大于一定阈值T的概率，即
Figure BDA0003264017450000044
由于无人机是干扰受限系统，噪声功率与干扰功率相比可以忽略不计。若用户为基站中心用户，其接收到的信干噪比可以表示为
Figure BDA0003264017450000051
其中
Figure BDA0003264017450000052
为用户接收到的服务宏基站kM的接收信号，/>
Figure BDA0003264017450000053
为小尺度衰落因子。
Figure BDA0003264017450000054
和/>
Figure BDA0003264017450000055
分别为用户接收到的其他宏基站与无人机的干扰，其中ΨBS为宏基站集合，kM为服务宏基站，ΨUAV为无人机站点的集合，/>
Figure BDA0003264017450000056
为用户接收到的UAV j的信号功率(见公式5)，gi、gj为小尺度信道增益。
若用户在宏基站边缘区域，且其最强无人机信号功率与最强宏基站功率比值γ′小于给定阈值γ，则由宏基站和无人机联合传输为用户提供服务。其接收到的信干噪比可以表示为
Figure BDA0003264017450000057
若用户在宏基站边缘区域，且其最强无人机信号功率与最强宏基站功率比值γ′大于给定阈值γ，则由无人机进行服务。其接收到的信干噪比可以表示为
Figure BDA0003264017450000058
根据不同用户信干噪比SINR的分布，计算网络的覆盖率，以衡量网络覆盖性能。
步骤240，针对不同的宏基站密度、无人机功率、信道环境等实际情况，调节无人机部署高度、密度，约束半径D,协作信号阈值γ等参量，进行有效跨层干扰协调，最优化网络覆盖性能。
有益效果
本发明考虑无人机与宏基站的强跨层干扰，提出了具有空间约束的无人机部署以及跨层干扰协调方案。无人机由于具有大概率LOS链路以及高动态部署能力，可以作为热点区域的分流方案，提供网络的覆盖。然而无人机在提高链路服务质量的同时，也带来了与宏站的强跨层干扰问题。为解决强跨层干扰，本发明考虑设定宏基站约束半径D,将无人机部署在宏基站边缘区域，可以有效提升边缘用户性能，同时减少对中心用户的干扰。同时，处于宏基站边缘区域用户，可以根据有用信号及干扰拓扑的分布，选择宏基站与无人机联合传输的方式进行有效干扰管理。通过调整宏基站约束半径D以及无人机的部署参数(高度、密度)可以动态调整网络，最优化网络性能。
附图说明
图1是本发明空间约束下无人机辅助网络的干扰协调方法示意图；
图2是本发明的算法实施流程图；
图3是本发明的考虑无人机和宏基站约束距离的场景下，网络覆盖率随无人机高度、密度变化关系示意图；
图4是本发明的考虑无人机和宏基站约束距离的场景下，网络覆盖率随约束半径、无人机密度变化关系示意图；
具体实施方式
本发明考虑无人机与宏基站的强跨层干扰，提出了具有空间约束的无人机部署以及跨层干扰协调方案，网络模型如附图1所示。附图1给出了无人机辅助网络的空间约束模型，即针对地面宏基站网络，根据给定的空间约束D,划分出宏基站的中心区域和边缘区域。具体的，所有与宏基站距离小于D的点，定义为宏基站的中心区域(如图1中灰色区域)。值得注意的，由于基站部署位置的不规则性，不同宏基站中心区域可能发生重叠。位于宏基站中心区域的用户离宏基站距离较近，接收到的信号功率较强，网络覆盖容量性能较好。网络中除去中心区域之外的区域，被定义为宏基站的边缘区域(如图1中白色区域)。边缘区域的用户由于距离宏基站较远，信号功率较弱，同时干扰信号相对较强，用户信干噪比SINR较差，因此边缘区域的覆盖性能较差。
为了提升边缘用户性能，同时减少对宏基站中心区域的强干扰，将无人机部署在边缘区域。同时针对不同用户的信号-干扰拓扑结构，进行有效的干扰管理。具体的，若用户位于宏基站的中心区域，则用户由宏基站提供服务；位于边缘区域的用户，若其最强无人机信号功率与最强宏基站功率比值γ′大于给定阈值γ，则由无人机进行服务；若用户位于边缘区域，而其最强无人机信号功率与最强宏基站功率比值γ′小于给定阈值γ，则由宏基站和无人机联合传输为用户提供服务。确定用户的服务模式后，遍历网络中所以用户的信干噪比SINR,并计算网络的覆盖率。根据网络覆盖率随部署参数(无人机高度、密度、宏基站中心区域半径D,协作阈值γ)及网络环境参数(路损指数、环境参数等)，确定最优的部署参数配置。
本案例的算法流程如附图2所示，其具体实施的步骤为：
步骤300，根据网络中地面宏基站的位置分布，和设定的约束半径D,将网络划分为两个区域，即宏基站的中心区域和边缘区域。具体的，所有与宏基站距离小于D的点，定义为宏基站的中心区域(如图1中灰色区域)。值得注意的，由于基站部署位置的不规则性，不同宏基站中心区域可能发生重叠。位于宏基站中心区域的用户离宏基站距离较近，接收到的信号功率较强，网络覆盖容量性能较好。网络中除去中心区域之外的区域，被定义为宏基站的边缘区域(如图1中白色区域)。边缘区域的用户由于距离宏基站较远，信号功率较弱，同时干扰信号相对较强，用户信干噪比SINR较差，因此边缘区域的覆盖性能较差。
步骤310，根据划分的宏基站中心区域与边缘区域，根据一定的无人机部署高度h和密度λu，将无人机部署在宏基站边缘区域。
步骤320，针对每个用户，计算邻近宏基站与UAV基站的RSRP信息。具体的，对于任意一个用户，其接收到的宏基站接收信号功率可以建模为
Figure BDA0003264017450000081
其中/>
Figure BDA0003264017450000082
为用户接收到的MBS i的接收功率，Pt,M为宏基站的发射功率，ri为用户与MBS i的距离，α为路径损耗指数。用户接收到的无人机的接收信号功率可以建模为
Figure BDA0003264017450000083
其中，LOS表示无人机j与用户处于视距链路连接，NLOS表示无人机j与用户处于非视距链路连接。Pt,UAV为无人机基站的发射功率，rj为用户与无人机j的水平方向距离，h为无人机的高度。ηLOS与αL为视距连接下附加路损因子与路径损耗指数，ηNLOS与αNL为非视距连接下附加路损因子与路径损耗指数。
用户根据接收到的邻近宏基站与无人机的RSRP,确定接收信号功率最强的站点为其潜在的服务宏基站kM与服务无人机站点kU，表示为
Figure BDA0003264017450000084
计算用户接收到的最强无人机的接收信号功率与最强宏基站的接收信号功率与的比值
Figure BDA0003264017450000085
根据用户位置分布以及潜在服务无人机与宏基站接收信号功率比值γ′，确定用户的服务无人机，并选择有效的干扰协调方式。若用户位于宏基站的中心区域，则用户由宏基站提供服务；位于边缘区域的用户，若其最强无人机信号功率与最强宏基站功率比值γ′大于给定阈值γ，则由无人机进行服务；若用户位于边缘区域，而其最强无人机信号功率与最强宏基站功率比值γ′小于给定阈值γ，则由宏基站和无人机联合传输为用户提供服务。遍历不同用户的信干噪比SINR分布情况，求解网络的覆盖率。
步骤330，针对不同的宏基站密度、无人机功率、信道环境等实际情况，调节无人机部署高度、密度，约束半径D,协作信号阈值γ等参量，进行有效跨层干扰协调，最优化网络覆盖性能。
仿真结果如附图3和4所示。附图3中给出了网络覆盖率随不同的SINR阈值T、无人机高度h、宏基站密度的变化关系。附图3中以无人机高度为横坐标，可以看出，随着无人机部署高度的增加，网络覆盖率呈先增大后减小的趋势。这是因为，当无人机高度较低时，建筑物、障碍物等对通信链路的遮挡效应较强，用户与无人机保持非视距(Non-line-of-sight,NLOS)较大，服务质量受到影响，网络覆盖率较差。随着无人机部署高度的增加，用户与无人机保持视距连接(Line-of-sight,LOS)的概率增大，用户接受到的有用信号功率增强，网络覆盖性能改善。但当高度增加到一定程度，继续增加无人机的部署高度，网络覆盖性能反而会下降。这是因为当高度较高的时候，路径损耗成为主要因素，用户接收信号功率因为大路损而急剧下降，网络性能变差。
附图4给出了网络覆盖率随不同的约束半径D、协作阈值θ，无人机密度λu的变化关系。附图4以宏基站与无人机的约束D为横坐标，可以看出随着约束半径的增加，网络覆盖率呈先增大后减小的趋势，即存在使得网络性能最优的约束半径D的大小。这是因为随着D的增加，宏基站中心区域范围增大，位于宏基站中心的用户受到来自无人机的跨层干扰减弱，而网络边缘用户依旧可以接受来自无人机站点的服务，因此网络整体性能提升。然而当约束半径D大于一定程度的时候，宏基站中心区域过大，无人机部署范围过小，无法体现出分流、为边缘用户提供服务的性能，因此网络整体性能下降。比较图中的4组曲线可以发现，不同无人机部署密度下，最优的约束半径值不同。当协作阈值θ＝1，无人机的部署密度分别为300/km2、100/km2、60/km2、20/km2时，无人机的最佳约束半径分别为30m,56m,70m,115m。可以看出，无人机部署密度越高，最佳约束半径越小；无人机部署半径越小，最佳约束半径越大。这是因为无人机密度较低时，对宏站中心用户跨层干扰较小，因此最优约束半径较大。

Claims (3)

1.一种空间约束下无人机辅助网络的干扰协调方法，其特征在于，无人机的位置部署存在与宏基站的距离约束，需要建模宏基站的约束半径，将无人机部署在约束半径范围外的区域以避免强跨层干扰；具体的，中心区域Ξin定义为，
Figure FDA0004238470220000011
边缘区域Ξout定义为，/>
Figure FDA0004238470220000012
其中ΨBS是宏基站位置的集合，D为约束半径的大小；位于约束半径内的用户，称为中心用户，由宏基站提供服务，位于约束半径外的用户，根据干扰协调阈值，选择由无人机服务或由无人机与宏基站协同服务；根据选定的服务模式，计算用户的信干噪比(SINR)，若用户为基站中心用户，其接收到的信干噪比可以表示为
Figure FDA0004238470220000013
其中
Figure FDA0004238470220000014
为来自宏基站kM的有用信号的接收功率，/>
Figure FDA0004238470220000015
为小尺度衰落因子；
Figure FDA0004238470220000016
分别表示来自其他宏基站、无人机的干扰，σ2为噪声功率；
若用户在宏基站边缘区域，且其最强无人机信号功率与最强宏基站功率比值γ′小于给定阈值γ，则接收到的信干噪比可以表示为
Figure FDA0004238470220000017
其中
Figure FDA0004238470220000018
为来自宏基站kM的有用信号的接收功率，/>
Figure FDA0004238470220000019
为其小尺度衰落因子；/>
Figure FDA00042384702200000110
为来自无人机kU的有用信号接收功率，/>
Figure FDA00042384702200000111
为无人机信道的小尺度衰落因子；
Figure FDA00042384702200000112
分别表示来自其他宏基站、无人机的干扰；
若用户在宏基站边缘区域，且其最强无人机信号功率与最强宏基站功率比值γ′大于给定阈值γ，则由接收到的信干噪比可以表示为
Figure FDA0004238470220000021
其中
Figure FDA0004238470220000022
分别表示来自其他宏基站、无人机的干扰；
根据不同用户信干噪比SINR的分布，计算网络的覆盖率，以衡量网络覆盖性能；基于网络覆盖率随参数的变化关系，获得最优宏基站约束半径D以及无人机的最优部署高度、密度，从而完成无人机辅助网络的部署。
2.根据权利要求1所述的方法，其特征在于，用户收集邻近宏基站和无人机基站接收信号功率信息，并计算用户接收到最强无人机信号功率与最强宏基站功率比值γ′。
3.根据权利要求1所述的方法，其特征在于，基于用户位置和网络拓扑，为用户选择三种不同的服务模式：位于宏基站中心区域的用户，由宏基站进行服务；位于边缘区域的用户，若其最强无人机信号功率与最强宏基站功率比值γ′大于给定阈值γ，则由无人机进行服务；若用户位于边缘区域，而其最强无人机信号功率与最强宏基站功率比值γ′小于给定阈值γ，则由宏基站和无人机联合传输为用户提供服务。
CN202111102929.1A 2021-09-15 2021-09-15 一种空间约束下无人机辅助网络的干扰协调方法 Active CN113993067B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111102929.1A CN113993067B (zh) 2021-09-15 2021-09-15 一种空间约束下无人机辅助网络的干扰协调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111102929.1A CN113993067B (zh) 2021-09-15 2021-09-15 一种空间约束下无人机辅助网络的干扰协调方法

Publications (2)

Publication Number Publication Date
CN113993067A CN113993067A (zh) 2022-01-28
CN113993067B true CN113993067B (zh) 2023-06-30

Family

ID=79736167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111102929.1A Active CN113993067B (zh) 2021-09-15 2021-09-15 一种空间约束下无人机辅助网络的干扰协调方法

Country Status (1)

Country Link
CN (1) CN113993067B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114828118A (zh) * 2022-04-12 2022-07-29 国网福建省电力有限公司 一种保障无人机电力巡检的自适应异构组网系统及方法
CN115175203B (zh) * 2022-06-28 2023-06-02 南京邮电大学 一种热点区域按需覆盖的车载基站智能轨迹规划方法
CN115226068A (zh) * 2022-09-16 2022-10-21 南京可信区块链与算法经济研究院有限公司 无人机辅助的蜂窝移动基站下行链路内容分发系统和方法
CN116107342B (zh) * 2023-03-08 2024-01-16 广州爱浦路网络技术有限公司 一种基于5gs的无人机飞行方法
CN116723487B (zh) * 2023-08-11 2023-11-07 四川腾盾科技有限公司 基于随机运动模型及拓扑预测的抗干扰群拓扑优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016082557A1 (zh) * 2014-11-26 2016-06-02 北京邮电大学 基于用户公平性的异构网络时域干扰协调方法及系统
CN110430577A (zh) * 2019-08-06 2019-11-08 北京邮电大学 一种基于时间相关性的无人机基站群组部署方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5990815B2 (ja) * 2011-11-07 2016-09-14 シャープ株式会社 基地局、端末、通信システムおよび通信方法
CN103796216B (zh) * 2014-01-08 2017-04-19 西安电子科技大学 异构网中基于部分频率复用及联合传输的干扰抑制方法
US9363008B2 (en) * 2014-07-22 2016-06-07 International Business Machines Corporation Deployment criteria for unmanned aerial vehicles to improve cellular phone communications
US10153830B2 (en) * 2017-04-06 2018-12-11 At&T Intellectual Propertyi, L.P. Dynamic shielding system of cellular signals for an antenna of an unmanned aerial vehicle
CN110430550B (zh) * 2019-08-06 2020-12-04 北京邮电大学 一种面向无人机辅助蜂窝网络的宏站用户分流方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016082557A1 (zh) * 2014-11-26 2016-06-02 北京邮电大学 基于用户公平性的异构网络时域干扰协调方法及系统
CN110430577A (zh) * 2019-08-06 2019-11-08 北京邮电大学 一种基于时间相关性的无人机基站群组部署方法

Also Published As

Publication number Publication date
CN113993067A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN113993067B (zh) 一种空间约束下无人机辅助网络的干扰协调方法
CN103391552B (zh) 分层异构无线网络系统上行干扰协调方法和装置
CA2468521A1 (en) System and method utilizing dynamic beam forming for wireless communication signals
CN105517107B (zh) 基于小区间协作的异构网服务小区选择方法及装置
Sun et al. Movement aware CoMP handover in heterogeneous ultra-dense networks
US10164690B2 (en) Method and device for forming multi-cell beam
CN104618946A (zh) 基于有源天线三维波束模型的lte异构网络干扰协调方法
Safak et al. Effects of correlated shadowing signals on channel reuse in mobile radio systems
Attiah et al. Adaptive Multi-state Millimeter Wave Cell Selection Scheme for 5G communications.
Taranetz et al. Capacity density optimization by fractional frequency partitioning
CN112788726B (zh) 一种无人机辅助基站通信的网络场景模型下的功率控制方法
CN112671500B (zh) 一种同频干扰抑制方法及相应的通信终端
Konishi Comprehensive analysis of heterogeneous networks with pico cells in LTE-advanced systems
Du et al. Modeling and coverage analysis for cellular-connected UAVs with up-tilted antenna
Younes et al. Comparison of the transmission modes of 5G networks with a high density of base stations distributed according to Poisson Point Process
Samal Interference Management Techniques in Small Cells Overlaid Heterogeneous Cellular Networks.
CN109714093B (zh) 一种面向异构蜂窝网络的联合天线选择方法
Senadhira et al. Impact of UAV trajectory on NOMA-assisted cellular-connected UAV networks
Kamar et al. Optimized algorithm for cellular network planning based on terrain and demand analysis
CN114339659A (zh) 一种无人机辅助网络定向天线参数设定方法
Xiao et al. 5G Residency Enhancement Method based on 5G Beam Intelligent Optimization
Kalantari et al. Optimal Location of Cellular Base Station via Convex Optimization
Törős et al. An algorithm for automatic base station placement in cellular network deployment
Mykola et al. Efficiency of construction of a cellular network on the basis of WiMAX technology
CN107276651B (zh) 一种垂直扇区劈裂的下倾角优化和功率分配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant